這篇也是學(xué)姐粉絲的投稿，最近幾周推文寫了幾篇粉絲投稿，發(fā)現(xiàn)大家對學(xué)習(xí)知識(shí)復(fù)盤做的是真的好。今天這篇是深度之眼學(xué)員粉絲寫的這篇《圖像分類baseline》需要的同學(xué)可以來做參考。

投稿還在進(jìn)行中，學(xué)習(xí)心得、個(gè)人經(jīng)歷、學(xué)習(xí)建議、學(xué)習(xí)工具都可以投稿來。投稿就有獎(jiǎng)品贈(zèng)送，感興趣的就找學(xué)姐吧！

圖像分類baseline

定義超類

圖像維度的匹配

正向傳播

定義損失函數(shù)

定義訓(xùn)練部分

從dataset定義data_loader,從data_loader得到數(shù)據(jù)集

1.將數(shù)據(jù)放入設(shè)備

2.傳入模型

3.模型結(jié)果傳入損失函數(shù)

4.損失函數(shù)反向傳播

device的讀取

梯度清空

pytorch的梯度不清空就會(huì)累積

定義epoch,batch_size

定義data_loader()以及數(shù)據(jù)集劃分

傳入數(shù)據(jù)集以及數(shù)據(jù)集的標(biāo)簽

• train_lables 訓(xùn)練集

• train_labels['target'] 訓(xùn)練集的標(biāo)簽

• train_index 劃分的訓(xùn)練集標(biāo)簽

• test_index 劃分的驗(yàn)證集標(biāo)簽

• train_images,valid_images = 數(shù)據(jù)集['圖像路徑或圖像'].iloc[訓(xùn)練集標(biāo)簽],數(shù)據(jù)集['圖像路徑或圖像'].iloc[測試集標(biāo)簽]

• train_targets,valid_targets= 數(shù)據(jù)集['圖像的標(biāo)簽'].iloc[訓(xùn)練集標(biāo)簽],數(shù)據(jù)集['圖像的標(biāo)簽'].iloc[測試集標(biāo)簽]

定義dataset

傳入dataset就是dataloader

定義優(yōu)化器

模型訓(xùn)練

一個(gè)for循環(huán)就是一折

定義驗(yàn)證函數(shù)

定義驗(yàn)證集精度計(jì)算

(預(yù)測結(jié)果，預(yù)測標(biāo)簽)

模型保存

常見錯(cuò)誤：out of memory

重啟notebook

不要直接復(fù)制代碼使用，編輯器有差異可能會(huì)因?yàn)榭崭窈蛽Q行運(yùn)行時(shí)報(bào)錯(cuò)。粉絲投稿，有錯(cuò)誤理性交流不要上來就噴。我們都是高材生，有素質(zhì)。